声明
1 绪论
1.1 研究背景及意义
1.2 研究现状及发展前景
1.2.1 传统模型
1.2.2 深度学习模型
1.3 全文章节安排
2 相关研究及本文工作
2.1 支持向量机
2.2 深度学习算法
2.2.1 卷积神经网络
2.2.2 全卷积网络
2.2.3 循环全卷积网络
2.3 本文工作及主要贡献
3 传统方法和深度学习框架的的关注点检测模型
3.1 基于支持向量机的关注点模型
3.1.1 全卷积网络的图像语义分割模块
3.1.2 低层集合特征的关注点初步检测
3.1.3 传统人眼关注点检测模型
3.2 基于全卷积网络的人眼关注点模型
3.2.1 模型建立
3.2.2 训练与推断
3.3 基于循环全卷积网络的人眼关注点检测模型
3.3.1 循环全卷积网络
3.3.2 训练与推断
4 实验结果与分析
4.1 数据库介绍
4.2 实验细节说明
4.2.1 评价指标
4.2.2 细节说明
4.3 三种模型中子模块性能分析
4.4 与经典算法的比较
4.5算法的局限性
结论
参考文献
致谢